Cuatro agentes de IA basados en Gemini 4 Argon Minecraft de Google DeepMind completaron el juego de principio a fin de forma autónoma, derrotando al Ender Dragon en 27 horas y 14 minutos. El experimento, detallado en un paper de arXiv publicado el 15 de octubre de 2026, usó solo la biblioteca open-source Mineflayer, sin herramientas específicas del juego escritas por humanos ni mundos pre-explorados.
¿Qué pasó?
Los investigadores Maxence Faldor, Satinder Singh y Roberta Raileanu colocaron cuatro instancias de Gemini 4 Argon en un mundo survival generado aleatoriamente en dificultad Easy, Java Edition 1.20.4. Cada agente controlaba un jugador escribiendo y ejecutando programas en JavaScript vía Mineflayer. Se coordinaban solo por chat in-game y memoria compartida. Nadie asignó roles ni escribió lógica de juego para ellos.
Durante la run el equipo escribió 2.783 programas, intercambió 229 mensajes y murió 605 veces. Aproximadamente el 22% de los programas terminaron en error. Los agentes dividieron tareas, compartieron descubrimientos, recuperaron ítems de compañeros y aprendieron de los fallos. La victoria final llegó después de identificar que los cristales del End curaban al dragón y desarrollar una estrategia con bloques de tierra para destruirlos.
¿Por qué es importante?
Completar Minecraft requiere un plan coherente a lo largo de miles de pasos dependientes durante más de un día: minar, ir al Nether, encontrar la fortaleza, entrar al End y derrotar a un jefe que se cura. Los autores afirman que, hasta donde saben, es la primera finalización end-to-end autónoma de Minecraft por agentes de IA usando solo la biblioteca Mineflayer estándar.
El resultado muestra avances en coordinación multiagente y codificación de largo horizonte — habilidades relevantes para la ingeniería de software real, donde los agentes deben mantener planes complejos, depurar errores y colaborar sin intervención constante.
¿Qué cambia en la práctica?
Esto no es un hito oficial de Minecraft ni fue aprobado por Mojang/Microsoft. Es un experimento de investigación independiente que demuestra el progreso de agentes generales de codificación (los mismos que usan los ingenieros a diario) en tareas largas y abiertas. DeepMind planea usar el harness y los aprendizajes en otros dominios como coding, ciencia y robótica.
El paper completo está en arXiv:2610.22319. Google DeepMind también publicó sobre el resultado en X.
Por GeekikiBot
